|
|
Elektroencefalografie
Jarošová, Veronika ; Ronzhina, Marina (oponent) ; Chmelař, Milan (vedoucí práce)
Tato semestrální práce má za svůj cíl popsat elektroencefalografii. Začátek práce je věnován historii elektroencefalografie, poté je popsána spontánní i evokovaná aktivita mozku. Dále se zabývá elektroencefalografii. Závěr teoretické části je věnován metodice a zpracování elektroencefalografického signálu. Praktická část práce je zaměřená na vytvoření tří různých úloh na epilepsii, reflexy a paměť. Poté byly úlohy prakticky ověřeny na čtrnácti dobrovolnících. Dále je v práci uveden návod pro daná měření, výsledky hodnocení a jejich diskuze.
|
|
|
Biofeedback a jeho použití
Dvořák, Jiří ; Hrozek, Jan (oponent) ; Čmiel, Vratislav (vedoucí práce)
Cílem práce je popsat obecné typy biologické zpětné vazby užívané k terapeutické léčbě některých psychosomatických nemocí. Popis se následně zaměřuje zejména na nápravu lehkých mozkových dysfunkcí pomocí EEG biologické zpětné vazby. Konkretizují se vlastnosti a technické požadavky na tuto terapii, jejíž názorný princip v závěru práce prezentuje aplikace EEG biofeedback, navržená ve vývojovém prostředí LabView 7.1 s pomocí přístrojového vybavení MP35 a NI USB-6221.
|
|
|
Analýza a klasifikace dat ze snímače mozkové aktivity
Ullrich, Petr ; Šůstek, Martin (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá problematikou snímání mozkové aktivity, implementací jejího zpracování, analýzy a klasifikace. Ke snímání je použit hardware společnosti OpenBCI. Nastudoval jsem a popsal potřebné informace o snímání mozkové aktivity a projektu OpenBCI. Byl vytvořen návrh pro datový set, zpracování a klasifikaci myšlenek. Vytvořený systém umožňuje klasifikaci na základě nasnímané mozkové aktivity. Pro klasifikaci byla použita neuronová síť, ale úspěšnost rozpoznání navržených tříd nebyla vysoká.
|
|
|
Person Identification and Verification Using EEG
Žitný, Roland ; Orság, Filip (oponent) ; Tinka, Jan (vedoucí práce)
The aim of this work was to create a brain-computer interface that reliably identifies and verifies a person using his electroencephalographic signals. Creating a user profile and verifying it is based on processing reactions to his own face, and the face of strangers or acquaintances. Algorithms such as bandpass and noise removal using wavelet transformation are user to filter signals. The classification of reactions is performed using a convolutional neural network or linear discriminant analysis. The average accuracy of the linear discriminant analysis is 66.2 % and of the convolutional neural network is 58.7 %. The maximum achieved accuracy was with linear discriminant analysis and at 93.7 %.
|
|
|
Identification of the parameters of an electroencephalographic recording system
Svozilová, Veronika ; Sekora, Jiří (oponent) ; Mézl, Martin (vedoucí práce)
Electroencephalographic recording system is used to examine a brain activity. Based on this examination we can establish the diagnosis of certain diseases, such as epilepsy. The purpose of this study has been the signal processing and a signal generation which were compared with the real signal. Artificially generated signal is based on Jansen‘s mathematical model which has been also implemented in MATLAB and then that model has been extended to more complex model including nonlinearities and model electrode – electrolyte. Also a signal measurements on EEG phantom and identification of the parameters of these signals were performed. Firstly a simply signals were tested and the identification of their parameters has served to validate the EEG phantom. Secondly the created signal designed by Jansen model were tested also. Besides an analysis of all signals includes the time frequency analysis or a superposition principle testing.
|
|
|
Evokované potenciály a jejich snímání
Fabianová, Katarína ; Janoušek, Oto (oponent) ; Chmelař, Milan (vedoucí práce)
Elektrická aktivita mozku může být spontánní (signál vytvářen během života jedince) nebo evokovaná (odpověď na vnější nadprahový podnět). Tato práce je z převážné části věnována právě evokovaným potenciálům, při kterých mozek reaguje normálně nebo abnormálně na dané vnější podněty (zvuk, světlo, a podobně). Hlavní podstatou práce je návrh jednoduchého akustického generátoru pro zkoumání evokovaných potenciálů použitelný ve spojení s EEG přístrojem od Alien Technik bez jakéhokoliv zásahu do přístroje. Zvukové evokované potenciály patří například k nejčastěji používaným objektivním vyšetřením lidského sluchu.
|
|
|
Změny elektrické mozkové aktivity hodnocené pomocí sLORETA v průběhu cílené emoční stimulace
Špidlenová, Lada ; Pánek, David (vedoucí práce) ; Pavlů, Dagmar (oponent)
Změny elektrické mozkové aktivity hodnocené průběhu emoční stimulace měn elektrické mozkové aktivity průběhu cílené emoční stimulace, která probíhá prostřednictvím třítýdenního tréninku vizuální imaginace. Elektrická mozková mozkové aktivity proběhlo rovněž v Výzkumné měření zahrnovalo měření elektrické aktivity mozku, jež jsme registrovali pomocí povrchového telemetrického 32 kanálového EEG přístroje án pomocí EEG čepice (Electro Cap) s plochými registračními elektrodami. Celkový počet elektrod na čepici je ozmístěním dle mezinárodně platného 20. Impedanční odpor elektrod nepřevyšoval 10 kΩ, vzorkovací následně zpracována pomocí pro třicetisekundový bezartefaktový úsek, který byl následně exportován do sLORETA programu. Probandi byli rozděleni náhodným losem do tří různých aždý z účastníků vyplnil před samotným měřením test živosti představivosti The Vivid (VVIQ). Následoval tří účastník plnil ve virtuální realitě (VR videa) následně také úkol řikrát l video a imaginoval chůzi. Při speciálními 3D brýlemi na probanda působil vjem či přirozené zvukové pozadí . Vjemy posazené negativně obsahovalo video negativní skupiny, pozitivně vnímané neprošlo žádnými změnami oproti původní nahrávce. Při kontrolním měření se cénář opakoval, jako při měření prvním. Následně proběhlo vyhodnocování výsledků. Program sLORETA...
|
|
|
Porovnání mozkové aktivity pomocí sLoreta mezi Feldenkraisovou metodou a vizuální stimulací
Novotná, Tereza ; Pánek, David (vedoucí práce) ; Pavlů, Dagmar (oponent)
Název diplomové práce: Porovnání mozkové aktivity pomocí sLORETA mezi Feldenkraisovou metodou a vizuální stimulací Cíle práce: Cílem práce je vyhodnotit intracerebrální zdrojovou aktivitu v průběhu jednoduchého pohybu paže inspirovaném Feldenkraisovou metodou a porovnat ho jednak s vizuální stimulací téhož pohybu pomocí videozáznamu, jednak s imaginací téhož pohybu. Pohyb vycházející z Feldenkraisovy metody byl zjednodušen na opakovaně provednou flexi dominantní horní končetiny. Zdrojová aktivita byla hodnocena z povrchového EEG a vyhodnocena pomocí sLORETA programu. Metody: K získání dat byla vytvořena experimentální studie obsahující vzorek 12 probandů ve věku 22-60 let, s věkovým průměrem 27 let, obou pohlaví. Participantům byla změřena mozková aktivita pomocí skalpového EEG přístroje při provedení flexe dominantní horní končetiny inspirovaném Feldenkraisovou metodou. Experiment se skládal z pěti částí: 1. klidové EEG vyšetření s otevřenýma a zavřenýma očima, 2. aktivní provedení flexe dominantní horní končetiny s otevřenýma očima, 3. aktivní provedení flexe dominantní horní končetiny se zavřenýma očima, 4. sledování videozáznamu s opakovaným pohybem dominantní horní končetiny do flexe, 5. imaginace flexe dominantní horní končetiny se zavřenýma očima. Každá část trvala dvě minuty. Mezi...
|
|
|
Person Identification and Verification Using EEG
Žitný, Roland ; Orság, Filip (oponent) ; Tinka, Jan (vedoucí práce)
The aim of this work was to create a brain-computer interface that reliably identifies and verifies a person using his electroencephalographic signals. Creating a user profile and verifying it is based on processing reactions to his own face, and the face of strangers or acquaintances. Algorithms such as bandpass and noise removal using wavelet transformation are user to filter signals. The classification of reactions is performed using a convolutional neural network or linear discriminant analysis. The average accuracy of the linear discriminant analysis is 66.2 % and of the convolutional neural network is 58.7 %. The maximum achieved accuracy was with linear discriminant analysis and at 93.7 %.
|
|
|
Analýza a klasifikace dat ze snímače mozkové aktivity
Ullrich, Petr ; Šůstek, Martin (oponent) ; Szőke, Igor (vedoucí práce)
Tato práce se zabývá problematikou snímání mozkové aktivity, implementací jejího zpracování, analýzy a klasifikace. Ke snímání je použit hardware společnosti OpenBCI. Nastudoval jsem a popsal potřebné informace o snímání mozkové aktivity a projektu OpenBCI. Byl vytvořen návrh pro datový set, zpracování a klasifikaci myšlenek. Vytvořený systém umožňuje klasifikaci na základě nasnímané mozkové aktivity. Pro klasifikaci byla použita neuronová síť, ale úspěšnost rozpoznání navržených tříd nebyla vysoká.
|
host ::
RSS.